Ein zehn Jahre altes Programm hat diese Woche die modernsten KI-Modelle geschlagen. Bei einer Aufgabe, bei der es um Leben und Gesundheit geht: der Diagnose von Hautkrebs. Ein Dermatologe hat die neuesten Sprachmodelle gegen ein altes neuronales Netz antreten lassen, und das alte Netz hat gewonnen. Was dieser Fall über die wichtigste Entscheidung verrät, die ihr gerade trefft, darum geht es heute: die Modellwahl. Welche KI für welche Aufgabe, warum einfache Lösungen oft die besten sind, warum KI gerade achtzig Prozent billiger wird, und ein konkreter Test, mit dem ihr in einer Stunde wisst, welche KI zu euch passt.
Die Geschichte kommt von einem Hautarzt, Dr. Magnus Lynch von der Universität Oxford. Er hat zwei der stärksten KI-Modelle getestet, die im Oktober zwanzig sechsundzwanzig verfügbar sind: GPT-6 Astra von OpenAI und Claude Fable 5.1 von Anthropic. Seine Aufgabe: Hautkrebs anhand von Fotos erkennen. Er hat ihnen klinische Bilder und dermatoskopische Aufnahmen gezeigt, also auch extreme Nahaufnahmen mit dem Hautmikroskop. Bei einem Fall mit einem gefährlichen Melanom, einem schwarzen Hautkrebs, haben beide Modelle daneben gelegen. Sie hielten den Befund für eine harmlose Alterswarze und empfahlen, den Patienten zu entlassen. Dann hat derselbe Arzt ein altes neuronales Netz getestet, ein so genanntes CNN: Inception, eine Architektur, die Google bereits 2015 veröffentlicht hat. Feingetunt auf Hautbildern, aber vom Aufbau her zehn Jahre alt. Dieses Netz hat den Hautkrebs richtig erkannt. Warum ist das so? Weil Bildklassifikation eine Aufgabe ist, für die solche Netze gebaut wurden. Sie sind Spezialisten für Muster in Pixeln. Die großen Sprachmodelle sind Generalisten, sie können fast alles ein bisschen, aber bei einer eng definierten Erkennungsaufgabe schlägt der Spezialist. Daraus lässt sich eine Landkarte bauen, die euch bei jeder KI-Entscheidung hilft. Frage eins: Was ist die Aufgabe genau? Eine Erkennungsaufgabe, eine Denkaufgabe, eine Schreibaufgabe, eine Recherche? Frage zwei: Welche Form von KI passt strukturell dazu? Für Klassifikation ein spezialisiertes Modell, für offene Denkaufgaben ein großes Sprachmodell. Frage drei: Welche Qualität braucht ihr wirklich? Nicht was im Marketing steht, sondern was ihr an euren eigenen Fällen messen könnt. Das Prinzip dahinter hat einen einfachen Namen: Einfach zuerst. Passend schlägt groß, wenn die Aufgabe eng ist. Und nein, das heißt nicht, dass die großen Modelle wertlos sind. Beim Schreiben, beim Analysieren von Verträgen, beim Planen offener Projekte sind sie stark. Aber wer eine enge Aufgabe hat, sollte nicht automatisch zum teuersten Generalisten greifen.
Das gleiche Muster zeigt sich gerade an einer völlig anderen Stelle: beim Gedächtnis von KI-Agenten. Viele Teams bauen inzwischen aufwendige Speichersysteme, damit ihr Agent sich an frühere Gespräche erinnert. Die Historie wird zusammengefasst, in Graphen organisiert, in Datenbanken sortiert, alles damit der Agent Kontext behält. Eine neue Studie auf dem Papier-Server Hugging Face stellt genau das infrage. Die Forscher haben einen bewusst einfachen Ansatz getestet, sie nennen ihn Raw RAG. Rohtext statt Struktur: Die komplette Gesprächshistorie bleibt einfach liegen, und bei jeder Frage holt eine Suche die relevanten Stellen wieder hervor. Dieses einfache Verfahren hat die komplexen Gedächtnissysteme in sechs von sieben getesteten Konfigurationen geschlagen, über vier verschiedene Benchmarks hinweg. Der Grund ist erstaunlich simpel: Abdeckung schlägt Nutzung. Das einfache System findet mehr relevante Informationen wieder, auch wenn es sie nicht perfekt aufbereitet. Ein kompliziertes System, das beim Zusammenfassen Details verliert, kann mit der besten Organisation nichts gewinnen, wenn die Evidenz fehlt. Die Grenze ist ehrlich benannt: Bei sehr langen Gesprächen mit vielen Themenwechseln, grob ab hundertfünfzig bis zweihundert Runden, wird die einfache Suche ungenau. Aber bis dahin gilt: Mehr Technik ist nicht automatisch mehr Können. Für euch heißt das konkret: Wenn ihr einem Agenten ein Gedächtnis baut oder eine Wissensdatenbank anlegt, startet mit der billigsten Variante. Rohtext liegen lassen, Suche drauf, messen. Oft ist das schon die Lösung, und die teure Architektur spart ihr euch.
Der dritte Baustein der Modellwahl ist der Preis, und da hat sich diese Woche einiges getan. Eine Analyse von Max Woolf, einem bekannten KI-Entwickler, zeigt: OpenAI und Anthropic haben ihre API-Preise innerhalb weniger Monate um bis zu achtzig Prozent gesenkt. Das deutlichste Beispiel ist ein kleines OpenAI-Modell namens Luna. Es kostete bei der Einführung einen Dollar pro Million Eingabe-Token und liegt inzwischen bei zwanzig Cent. Anthropic hat ähnliche Schritte gemacht, mit günstigen Einführungspreisen und zeitlich begrenzten Aktionen. Als Grund nennt die Analyse vor allem den Wettbewerb: Offene Modelle werden so gut, dass die großen Anbieter mit den Preisen reagieren müssen. Was heißt das für eure Wahl? Erstens: Wer seine Modellwahl vor einem Vierteljahr getroffen hat, sollte sie neu rechnen. Die Rechnung hat sich verschoben. Zweitens: Die richtige Kennzahl ist nicht der Preis pro Token, sondern der Preis pro erledigter Aufgabe. Ein teureres Modell, das keine zweite Korrekturrunde braucht, kann günstiger sein als ein billiges, das ständig neu angesetzt werden muss. Und drittens: Offene Modelle bleiben die Alternative, wenn ihr nicht von Preisschwankungen abhängig sein wollt. Wer weiß, wie lange die Rabatte halten. Der Trend ist klar: KI wird in dem Bereich billiger, in dem ihr eure eigenen Fälle testen könnt. Genau dafür gibt es den letzten Baustein.
Und wenn ihr doch ein großes Modell braucht? Auch dafür gibt es gute Nachrichten. Forscher haben ein Verfahren namens E8-QAT vorgestellt, eine neue Art der Quantisierung. Quantisierung heißt: Ein Modell wird komprimiert, damit es weniger Speicher braucht. Mit diesem Verfahren läuft ein Modell mit fünfunddreißig Milliarden Parametern in einer Zwei-Bit-Darstellung auf rund sieben Gigabyte Speicher, und die Genauigkeit bleibt auf dem Niveau des unkomprimierten Modells. Ein Modell in dieser Größe früher auf dem eigenen Rechner zu betreiben, war kaum machbar. Heute passt es auf eine normale Grafikkarte. Das ist der Beweis, dass auch die große Lösung nicht mehr automatisch teuer sein muss. Damit kommt ihr zum eigentlichen Werkzeug für heute, der Testkarte. Sie dauert dreißig bis sechzig Minuten und funktioniert so. Erstens: Nehmt eine echte Aufgabe aus eurem Alltag, zum Beispiel eingehende Mails sortieren oder Standardfragen aus euren Dokumenten beantworten. Zweitens: Schreibt zehn eigene Testfälle auf, echte Fälle, am besten mit ein paar kniffligen Grenzfällen dabei. Drittens: Sucht drei Kandidaten aus, eine einfache Lösung mit einem kleinen Modell oder festen Regeln, ein Mittelklasse-Modell und ein Top-Modell. Viertens: Lasst alle drei dieselben zehn Fälle bearbeiten und vergleicht die Antworten. Die Erfolgsschwelle: Wenn die einfachste Lösung acht von zehn Fällen richtig löst, seid ihr fertig, das teurere Modell ist raus. Wenn nicht, probiert den nächsten Kandidaten. Die typischen Fehler: Benchmarks glauben statt eigenen Fällen, das teuerste Modell nehmen, weil es sich sicher anfühlt, oder gar keine eigenen Testfälle haben. Meine klare Empfehlung: Selbst testen, heute noch, mit einer echten Aufgabe. Wenn die einfache Lösung reicht, habt ihr Zeit und Geld gespart. Wenn nicht, wisst ihr wenigstens genau, warum das große Modell seinen Preis wert ist.
Wer diese Woche eine KI-Entscheidung treffen muss, hat jetzt einen Fahrplan. Erst die Aufgabe konkret machen, dann die einfachste passende Lösung testen, mit zehn eigenen Fällen und einer klaren Schwelle. Und nur dann auf das größere Modell wechseln, wenn die Zahlen es belegen. Ein zehn Jahre altes Netz, ein einfacher Suchansatz und ein Preisschritt von achtzig Prozent sagen alle dasselbe: Das Prinzip heißt Einfach zuerst. Wenn euch die Folge gefallen hat, schreibt mir eine Mail, die Adresse steht in den Shownotes. Und morgen geht es an einem konkreten Werkzeug weiter, das ihr direkt ausprobieren könnt. Pfiat euch und bis morgen, eure Lissy.